姿势估计

姿势估计是一种专门的计算机视觉技术，它不仅限于detect物体的存在，更进一步理解其几何结构和物理方向。标准的目标detect只是在主体周围绘制一个简单的矩形框，而姿势估计则识别特定的语义点，即关键点，例如人体关节（肘部、膝盖、肩部）或车辆的结构角点。通过映射这些地标，机器学习模型可以重建主体的骨骼表示，使系统能够解释肢体语言、运动动态以及在2D或3D空间中的精确位置。

核心机制：自上而下 vs. 自下而上

现代姿势估计严重依赖复杂的深度学习架构，通常利用卷积神经网络 (CNN)来处理视觉数据。算法通常遵循两种主要策略之一来识别关键点：

• 自上而下方法：此方法首先使用目标检测模型在边界框内定位单个实例。一旦从较大图像中裁剪出人物或物体，姿势估计器就会预测该特定区域内的关键点。这种方法通常非常准确，但随着帧中目标数量的增加，可能会导致更高的推理延迟。
• 自下而上的方法：相反，这种策略同时 detect 图像中的所有潜在关键点（例如，在人群中找到每个“左膝”），然后使用关联算法将它们分组为独立的骨架。这种方法通常适用于拥挤场景中的 实时推理，因为无论有多少人存在，计算成本都保持相对恒定。

像YOLO26这样的最先进模型利用先进的端到端架构来平衡这些需求，提供高速姿势估计，适用于部署在边缘AI设备和移动平台上。

区分相关的计算机视觉术语

区分姿势估计与其他视觉识别任务有助于理解其在计算机视觉工作流中的独特价值：

• 对象 detect：侧重于识别对象的 “是什么” 和 “在哪里”，并输出一个矩形框。它将目标视为刚性对象，而不理解其内部关节。
• 实例分割: 生成像素级的精确掩码，勾勒出物体的精确形状。虽然分割提供了边界，但它没有明确识别运动学分析所需的关节或骨骼连接。
• 姿势估计: 专门针对内部结构，映射预定地标（例如，臀部到膝盖）之间的连接，以分析姿势和动作。

实际应用

将人体和物体运动数字化能力，已在各行各业催生了变革性应用，这些应用通常使用Ultralytics Platform等工具进行训练，以管理大量的标注关键点数据集。

医疗保健和康复

在医疗领域，医疗AI利用姿势估计远程监测患者康复情况。通过track关节角度和运动范围，自动化系统可以确保患者在家中正确进行物理治疗练习。这降低了再次受伤的风险，并允许临床医生量化康复进展，而无需昂贵的实验室设备。

体育分析

教练和运动员利用体育分析来优化表现。姿势估计模型可以分析高尔夫球手的挥杆平面、跑步者的步幅或投手的生物力学，而无需传统动作捕捉中使用的侵入性标记服。这提供了即时、数据驱动的反馈，以改进技术并预防过度使用造成的损伤。

零售和行为分析

在商业环境中，零售AI系统使用姿势detect来理解顾客行为，例如伸手拿高货架上的产品或在特定货架区域停留。这些数据有助于通过将身体行为与购买决策关联起来，优化商店布局并改进库存管理。

代码示例：使用 YOLO26 进行姿势估计

实现姿势估计在现代 Python 框架中。以下示例演示了如何使用 ultralytics 包来加载预训练的 YOLO26 模型（是...的继任者 YOLO11)并在图像中 detect 人体关键点。

from ultralytics import YOLO

# Load the YOLO26 pose model (nano version for speed)
model = YOLO("yolo26n-pose.pt")

# Perform inference on an image source
# The model identifies bounding boxes and specific keypoints (joints)
results = model("https://ultralytics.com/images/bus.jpg")

# Print the xy coordinates of detected keypoints
print(results[0].keypoints.xy)

# Visualize the skeletal results directly
results[0].show()